deniz.in

Piyasalar

Hava durumu

Hava durumu yükleniyor

· kaynak dev.to (home feed)

PiD, düşük çözünürlüklü latentleri ayrı bir ölçeklendirme adımı olmadan doğrudan 4K'ya çözüyor

AI-KSK tarafından dev.to'da paylaşılan bir yazı, PiD'nin FLUX, Z-Image ve SD3.5 üzerinde küçük latentleri tek geçişte doğrudan 4K'ya çözdüğünü gösteriyor; her modelin yerleşik decode işlemiyle karşılaştırmak için eşleştirilmiş çıktılar da mevcut.

PiD, düşük çözünürlüklü latentleri ayrı bir ölçeklendirme adımı olmadan doğrudan 4K'ya çözüyor

AI-KSK'nın dev.to'da yayımladığı bir ComfyUI workflow seti, düşük çözünürlüklü latentlerden tek geçişte 4K görüntüler üreten ve küçük bir görüntü oluşturup ardından büyütme geleneksel yolunu替代 eden PiD adlı decode tekniğini tanıtıyor.

Hedef boyutta tek decode

Teknik, yüksek çözünürlüğün nereden geldiğini değiştiriyor. Tipik bir pipeline'da diffusion modeli küçük bir boyutta render eder ve ayrı bir upscaler, bitmiş bir görüntüden detay çıkararak piksel ekler. dev.to'daki yazıya göre PiD, decode işleminin kendisini hedef çözünürlükte gerçekleştiriyor; böylece ek detay, sıkıştırılmış piksellerden yeniden oluşturulmak yerine modelin ürettiği latentten sentezleniyor. Temel üretim küçük ve ucuz kalıyor; çözünürlük işi decoder'a kayıyor.

Beş düğümlü pipeline

PiD, beş ComfyUI node'u olarak geliyor. PiDPrepare, flux veya zimage gibi model ailesini ve çözünürlük hattını seçiyor; her ailenin kendi latent yapısı olduğundan, bu aile seçicisi tek bir node grubunun farklı checkpoint'lere hizmet etmesini sağlıyor. PiDTextPrompt, prompt'u decode yoluna besliyor. PiDKSamplerCapture, temel sampler'ın durumunu — seed, adım sayısı, scheduler ve CFG dahil — kaydediyor ki hedef çözünürlükte yeniden oynatılabilsin. PiDSample çok bloklu decode'u çalıştırıyor ve PiDFinalize bitmiş görüntüyü üretiyor.

Yazar, PiDSample'ın blok zamanlama stratejisini, yayımlanmış örnek olan sequential_blocks_aggressive ile birlikte, temel kalite-hız dengesi ve denenecek ilk parametre olarak öne çıkarıyor.

Temel latentler küçük kalıyor

Workflow'lar yapısal bir noktayı pekiştiriyor: üretim hiçbir zaman 4K'da gerçekleşmiyor. FLUX.1, SD3.5 ve Z-Image graph'larının tümü 1024×1024 latentten başlıyor, FLUX.2 graph'ı 576×1024 portre latent kullanıyor ve Z-Image workflow'sunun kendi notları, en iyi kaliteli 2K modu için 512×512 temel öneriyor. Çıktı büyük çünkü decode büyük.

Model başına dört yapılandırma

Her temel modelin kendi graph'ı var. FLUX.1 Dev workflow'su bir fp8 checkpoint yüklüyor, FluxGuidance'ı 3.5'te uyguluyor ve CFG 1.0 ile euler ve simple scheduling kullanarak 28 adım çalıştırıyor. Notları, Flux Dev'in negatif prompt'u olmadığını, bu yüzden CFG'yi yükseltmenin prompt'u güçlendirmek yerine çıktıya zarar verdiğini açıklıyor.

Z-Image Turbo, euler ve beta scheduling ile dokuz adım kullanıyor ve tam kare decode'u tek bir bellek tahsisini aştığı için 512/64/64/8'de tiled VAE decode ekliyor. Loader kurulumu, UNet'i bir Qwen 3 4B text encoder, özel bir VAE ve 3'e ayarlanmış AuraFlow sampling ile eşleştiriyor.

FLUX.2 Dev'in kendi VAE'sine ve kendi text encoder'ına — CLIP yerine Mistral 3 Small'a — ihtiyacı var, bu yüzden ayrı bir 19 node'luk graph alıyor. SD3.5 Large graph'ı setin en küçüğü, 13 node.

Eşleştirilmiş çıktılar ve başarısızlık modları

Her workflow, aynı latent ve seed'den iki görüntü kaydediyor: biri PiD decode'unun ürettiği enhanced etiketli, diğeri modelin kendi decode'unun hedef çözünürlükte ürettiği native etiketli görüntü. Yazar, bu eşleri PiD'nin ekstra node'larını haklı çıkarıp çıkarmadığının gerçek testi olarak sunuyor.

Sorun giderme notları sınırlar hakkında açık sözlü. PiDPrepare'daki aile ayarı yüklenen checkpoint ile eşleşmese bile yine de çalışır ve bir şeyler üretir; yazar bunu tam bir başarısızlıktan daha kötü olarak değerlendiriyor. Z-Image bellek hataları, daha küçük bir latent yerine tiled decode ile ele alınıyor. Bulanık sonuçlar blok stratejisine işaret ediyor. Ve PiD kompozisyonu onarmıyor: kusurlu bir latent 4K'da çözüldüğünde büyük ama kusurlu bir görüntü verir; bu yüzden yazı, doğrudan 4K'ya decode etmenin çözünürlük hakkında bir iddia olduğunu, kalite hakkında olmadığını vurguluyor.

Erişilebilirlik

Workflow'lar RunningHub'da yayımlandı; ComfyUI export'ları bir Hugging Face deposunda ve Çince bir video anlatımı YouTube ve Bilibili'de. Yayın yalnızca workflow dosyalarını içeriyor, model ağırlığı yok ve Black Forest Labs, Stability AI, Tongyi veya RunningHub ile bağlantılı ya da onların onayını almış bağımsız bir tutorial export'u olarak tanımlanıyor.

Neden önemli

Upscaling çoğu görüntü üretim pipeline'ında sabit bir maliyettir ve PiD bunu decode zamanı bir parametreye dönüştürüyor. Bu, hesaplama profilini değiştiriyor: üretim geçişini ucuz tutarken çözünürlük işini decoder'a aktarıyor ve hangi upscaler'ın kullanılacağına dair bir workflow kararını tek bir ayarlanabilir düğmeye indiriyor. FLUX, Z-Image veya SD3.5 üzerine inşa eden ekipler için, eşleştirilmiş enhanced ve native çıktılar, tekniğe bağlı kalmadan önce her modelin kendi yüksek çözünürlük decode'u ile eşleşen seed'ler altında değerlendirilmesini mümkün kılıyor.

  • #image-generation
  • #comfyui
  • #diffusion-models
  • #upscaling
  • #flux